基于消费者偏好选择的短租房市场定价因素研究
2018-07-23王保乾
王保乾，邓 菲
(河海大学 商学院，江苏 南京 211100)
一、引 言
2010年以来，中国服务业增加值占世界经济的比例超过70%，这种发展在旅游业更为明显和迅速[1]，2016年中国服务业占GDP比重已上升为51.6%，服务业对国民经济增长贡献率为58.2%；中国共有6亿人参与共享经济，市场交易额约为34 520亿元。在现代化服务业不断发展的时代背景下，共享经济、“互联网+”的经济模式相互融合，推动了短租房交易市场逐渐崛起，使闲置资源得到更充分的利用。蚂蚁短租、小猪短租等中国本土短租房交易平台以及2016年正式进入中国市场的Airbnb等国外短租房线上交易平台，一起对中国传统的旅游住宿业造成了巨大冲击。《中国分享经济发展报告2017》显示，2016年中国住房分享市场交易总额约为243亿元，同比增长131%，主要住房分享平台的房源数量超过190万套，用户总人数约3 500万人。
共享经济的概念，由Joe L.Spaeth教授于1978年在“Community Structure and Collaborative Consumption：A Routine Activity Approach”中首次提出。Joe L.Spaeth教授将共享经济定义为由第三方创建、以信息技术为基础的平台市场，如今的共享经济与实体经济、网络经济、信息经济相互融合，改变了传统主流的信息二分法，将互联网、信息和行为内在有机地联系起来[2]。共享经济作为一种新型的P2P贸易形式，在“互联网+”的大环境下得到迅速的发展，它的主要内容就是为市场提供服务以及闲置商品，以互联网技术为基础的分享和协同开创出一种“我的就是你的”的全新经济共享模式[3]6-10。当前，国外学者普遍认为共享经济其协作大于竞争[4]158-168，是个人闲置物品的再分享；国内尚无共享经济的官方定义，多数学者认为，共享经济偏向于陌生人的网上交易[5]。
无论是闲置物品的分享还是陌生人的网上交易，共享经济的本质特性被越来越多地表达：在交通出行方面，共享单车、共享电动车、共享汽车等交通工具作为共享对象，改变了人们的出行方式；在知识技能方面，在线问答、网络直播等技能出租、付费丰富了人们解决问题的方法和形式，并使问题的解决更具针对性和便利性；在生活服务方面，各个外卖、团购平台节约了生活成本，增加了市场灵活性；在医疗服务领域，线上医疗应用软件实体化、线下实体医疗机构电子化将有效推动医疗改革，缩小了城乡医疗卫生方面的差距；在生产能力方面，共享经济将推动传统行业转型升级，有助于鼓励、支持生产创新，为中国“智”造提供了良好的发展环境。
在房屋住宿方面，线上短租房市场发展势头迅猛，共享经济为闲置的房屋资源提供了合理利用的途径，避免了资金和空间的闲置浪费。当互联网的“订单经济”与旅游住宿相互交叉，闲置房屋的短期出租交易作为共享经济在旅游界催生的新兴产业，因其性价比高、租赁周期随意、租住时间机动性强，正在逐渐代替传统酒店、旅馆住宿。当前，中国的短租房交易较为活跃的地点主要集中在一线城市和东部地区，据统计这些地区的房源供给和用户占比均在60%以上。可以预见，共享短租房未来市场潜力巨大，房源数、用户数、交易额等都将持续增加，而短租房交易的发展也将带动保洁、装修、维修、保险等相关行业的发展。
网络经济下，消费者不再满足于个别信息或局部信息，他们需要掌握更多的关联性信息，这体现了互联网关联信息元吸收性和兼容性的意义[6]，图1展示了线上短租房交易过程在互联网与信息态屏幕化市场下的概念图。在互联网的市场经济下，线上短租克服了时间的稀缺性约束，信息可以被无限复制传输，短租房相关信息以线上交易平台为依托，在互联网这个信息池中集合，通过反馈机制，促进信息的交换，最终将结果体现至终端，具体表现为：一方面，房东可以通过电脑端或手机端看到自己闲置房屋出租的全过程；另一方面，消费者通过电脑端或手机端可以看到自己预定房屋的全过程。
在现有的短租房市场交易模式中，互联网线上交易为主要交易方式，消费者可以根据信息平台上提供的可视信息进行判别，选择理想的住房进行租住。以Airbnb相关数据为例：Eyal Ert等人的研究认为，短租房的交易率与房东的特征以及产品的特性有关，而房东的特征则通过可视化的信息，如头像照片以及不可视化的信息，如信誉来判断，产品的特征则可根据互联网交易平台上的产品图片来判断；Eyal Ert等人还发现，消费者在选择短租房时，更倾向于信赖可感知的信息，例如房东性别、房屋照片等，而不是交易平台上消费者对短租房过高的交易评分[7]；郑志来对Airbnb进行了案例分析，认为当前共享经济的商业模式基础应该是闲置、价值与回报[8]。
当前研究中，国内外学者将研究重点放在了短租房交易软件的运营模式、企业内部管理等方面，极少对短租房本身的价格影响因素进行量化研究。本文将通过构建混合logit模型，基于消费者的偏好选择，对短租房的出租价格影响因素进行分析，并预测各个因素最终对消费者选择房价的影响，以便为完善线上短租房交易市场的定价、提升网络平台交易的有效性提供相关的建议。
二、模型构建及解释变量分析
在多值选择模型中，mixed logit模型能考虑到不同消费者选择偏好的异质性，很好地反映不同决策者之间参数的不同，且当不同时间扰动项之间存在相关性时，能直接把模型推广到面板数据，同时克服IIA(independence from irrelevent alternatives)假设。McFadden和Train证明任何随机效用模型可以以任意精度被mixed logit模型逼近，趋近任何一种基于随机效用理论的离散选择模型[9]。同时，由于没有封闭概率表达形式，mixed logit模型的使用方式灵活。因此，本文将通过建立混合 logit 模型框架并进行回归标定效用函数，最后对短租房交易过程中不同消费者的偏好选择进行预测。
(一)模型构建
短租房市场的消费者在面临选择时，往往是多值的，消费者的年龄、家庭收入、对相关信息的敏感程度等都将影响消费者对不同价位短租房的选择。因此，分析时需要采用多值选择模型，完成消费者对多种互相排斥的选择分析。本文采用混合logit模型，从消费者的偏好选择入手，对短租房价格影响因素进行分析。
1.多项logit模型。在多值选择中，消费者i对选择不同价位的短租房j带来的随机效用为：
(1)
消费者i选择短租房j的概率为：
∀k≠j)
(2)
假设εij为iid且服从I型极值分布，则多项logit模型可表达为：
P(yi=j丨xi)=
(3)
其中j=1所对应的方案为参照方案。
2.混合logit模型。一般而言，在个体对备选方案进行选择时，存在三个部分影响着他们的选择，分别是系统效用、随机效用和误差部分[10]，固定效用包含决策者的属性变量或选择性的属性变量，在mixed logit模型中，它们对待估参数α(α=α1，α2，α3，…)可用下式表达：
(4)
mixed logit模型的概率函数为多项logit模型在其密度函数上的积分形式[11]，即：
(5)
其中Kij(α)为待估参数为α的多项logit模型，即：
(6)
将式(2)、(3)合并，即可得mixed logit模型的选择概率：
(7)
其中f(α|θ)是α的密度函数，其种类可以根据研究的方向不同而进行选择，混合logit模型可计算待估参数α的均值M和标准差S两个参数。
3.IIA值假定检验。 经济学很多分支都有IIA(Independence of irrelevant alternatives)假定，在多项logit和混合logit模型中，如果不同方案之间内容类似、联系紧密，将不一定满足IIA假定，因此需要对模型进行IIA假定的检验。本文采用豪斯曼检验：
(8)
(二)数据来源与变量描述性统计
1.数据来源。《中国分享经济发展报告2017》指出，一线城市和东部地区为线上短租房交易活跃地区，因此本文以江苏、浙江、上海为研究对象，通过Python技术，截取了三地的蚂蚁短租平台线上房源定价，除去异常值后，得到四分位数据，在此基础上将当前短租房日均价格细分成五种模式，详见表1。
表1 江浙沪线上短租房市场定价及划分
本文分析数据来源于2017年7—10月的问卷调查，参与调查的成员均为接受过系统培训的本专业高年级学生。调研团队根据中国旅游研究院发布的《中国国内旅游发展年度报告2017》客源地潜在出游力分类，即客源地居民群体在经济能力、休假制度、身心健康等条件下形成的参与户外休闲或旅游的综合能力划分，同时考虑了各地区线上短租房交易活跃度及经济状况等因素，选取江苏省、福建省、江西省等三个出游力不同的省份，其中江苏省为出游力极强地区，其次是福建省，江西省出游力一般。在调查过程中，选取三个省份经济发展水平不同的地区，仅从消费视角进行分析。本次调查范围涉及9个县(市)，并与当地旅行社进行合作，随机选择了一定数量的对象进行调查，调研对象均为了解线上短租房或曾有过线上短租房租住经历的消费者。本次调研共发放问卷500份，剔除答题不完整、答案前后矛盾的无效问卷后，实际有效问卷460份，占总问卷量的92%。
本研究的基本思路是，在调查表中设计了若干变量作为对中国短租房价格形成的影响因素，将收集的横截面数据整理形成宽形格式，可用于模型的预估检测分析；通过reshape命令将宽形格式转换为长形格式，进一步进行混合logit模型的建立与分析，通过修正似然值指标判断模型拟合程度，进而对模型进行修正，最终得到预测效率偏高的预测模型。
研究变量从个人偏好选择入手，将其设定为个人属性和出行属性两方面，形成变量层，具体指标的设定如图2。
图2 指标变量层图
2.样本基本特征。由于人口学指标能较好地反映消费者的个体状况，故个人属性部分采用人口学指标，内容主要包括年龄、收入，其中收入具体为年家庭可支配收入，可反映消费者用于最终消费、投资、非义务性支付及储蓄的收入水平；年龄分布上，本文以具有完全民事行为能力公民最低年龄18周岁为年龄划分基线。在家庭可支配收入方面，以当前中国常见的家庭组成方式——核心家庭为计算基准；核心家庭的主要家庭成员组成方式为夫妻二人及其未婚子女，因此本调查中，对于家庭可支配收入的相关算法为共同居住的夫妻二人收入加上未婚子女收入；对于好评率和用户评价的关注与否，是消费者对于线上短租房选择过程中的个人情感倾向的表达方式，也是可视的直观信息；出行人数及出行费用预算，则可能影响消费者在出行过程中对房屋住宿方面的开支及短租房价格的接受程度。
表2描述了本次调查的基本特征。由于年轻用户是住房分享经济的第一大消费群体，因此年龄分布在23～29岁、30～39岁两个年龄段居多，分别占样本总量的38.9%和37.4%，家庭可支配收入分布中，12万～18万元、大于18万～24万元的受访人群较多，分别占总样本的32.2%和41.5%。
表2 调查样本基本特征的描述性统计
3.变量说明和描述性统计。短租房价格划分(模式一、模式二、模式三、模式四、模式五)。该变量为因变量，划分为200元以下、大于200～400元、大于400～600元、大于600～800元及800元以上5个模式，由被调查者综合自身情况进行选择。
家庭可支配收入(HDI)。该变量为不随方案而变的解释变量，2017年《中国统计年鉴》显示，2016年全国人均可支配收入为23 821元，其中东部地区人均可支配收入为30 654.7元，中部地区人均可支配收入为20 006.2元，西部地区人均可支配收入为18 406.8元，东北地区人均可支配收入为22 351.5元。由于样本调查区域均为东部地区，因此将6万元作为本调查中家庭可支配收入的基线较合适。根据统计数据，调查人群中家庭可支配收入大部分集中在12万～24万元之间。根据偏好选择指标分析显示，家庭可支配收入的差别是统计学上的意义。
年龄(Age)。该变量为不随方案而变的解释变量，为了考察年龄对消费者选择短租房价位的影响，本次调查设置了5个年龄水平。由表3可得，年龄主要集中在23～49岁间，年轻的消费群体占据了多半线上短租房市场，成为共享闲置房屋的主要参与主体，且年龄的增长在一定程度上影响着对于短租房价格的承受能力。
是否关注好评率(FR)。该变量为不随方案而变的解释变量，是虚拟变量(1=“关注”；0=“不关注”)。由表3得到，各个消费阶层的消费者对于好评率的关注度实际上并未有较大的起伏，原因可能在于好评率是线上短租房质量的直观体现，随着价格的增长，消费者对于好评率的关注度又有所上升。
是否关注用户评价(CMNT)。该变量为不随方案而变的解释变量，是虚拟变量(1=“关注”；0=“不关注”)。消费者对于用户评价的关注度与对好评率的关注度呈现出了类似的规律，随着对短租房价格承受能力的增加，消费者对于用户评价的关注度越来越高。不过，当前短租线上短租房也存在着相关用户评价缺少参考价值、评价有较为强烈的个人情感倾向以及各消费者接受度和期望值不尽相同等问题。
是否关注房东性别(Gender)。该变量为不随方案而变的解释变量，是虚拟变量(1=“关注”；0=“不关注”)。调查发现，对于房东性别的关注比例随着对房屋价格承受度的增加而有所减弱。
出行人数(TN)。该变量为不随方案而变的解释变量，线上短租房的主要针对市场为自助出行的消费者，考虑到当前的家庭结构、家庭出行方式、个人出行、出行便利度等情况，将4人及4人以上的出行人数合并为一类。
家庭出行费用预算(HTB)。该变量为不随方案而变的解释变量，体现了家庭在出行方面的费用开支。一般来说，家庭出行费用预算越高，对房屋价格承受能力也将越高。
具体的变量说明及描述性统计如表3所示。
表3 短租房价格模式偏好选择结果的描述性统计
三、模型实证结果及分析
(一)因素间Pearson相关矩阵
本文采用Pearson相关系数分析各因素间联系强弱。
Pearson相关系数的大小决定了各变量间相关关系的强弱，Cohen(1988)提出，当0.1
表4 影响线上短租房定价因素的Pearson相关矩阵
注：*代表P<0.1，**代表P<0.05。
(二)用于预测的多值选择模型构建
通过STATA软件建立多项logit模型，用于豪曼斯检验。估计多项logit模型后，进一步对模型进行豪斯曼检验，得到表5。
表5 豪斯曼检验结果
豪斯曼检验结果显示，去掉4个非参照方案中的任一方案，均不拒绝IIA的原假设，满足“无关选择的独立性”，因此随机检验模型可进行本次调查数据的分析预测，参数估计结果将较为准确。
(三)混合logit模型的构建
对数据进行了IIA检验并得出不拒绝IIA原假设后，进一步构建混合logit模型。混合logit模型对对照组的选择要求不高，本文将模式三设置为对照组的原因在于，模式三价格处于5个模式中间位置，且相对选择人数较多，其结果详见表6。
模型的另一目的是进行预测，以便反映现实状况的发展趋势。因此，在构建混合logit模型后，对基于情感偏好下消费者对不同价位的短租房选择进行了样本内预测，以100例样本数据作为检验样本进行建模，再将模型带入总样本进行预测效率的检验，最终得到表7。
表6 基于消费者偏好的价格模式选择的混合logit模型
注：*代表P<0.1，**代表P<0.05，***代表P<0.01。
表7 基于消费者偏好的价格模式选择的混合logit模型预测效率分析
(四)混合logit模型短租房市场价格影响因素分析
由于模型以模式三为对照组，因此在影响因素的分析中，消费者的各个选择模式都是相对于模式三而言的。混合logit模型的常数项显示，在没有任何影响因素的情况下，消费者更愿意选择模式一(200元以下)的短租房，而不愿意选择价格较高的短租房。这种偏好十分理想，现实中几乎不存在，因此模型的常数项仅提供对于其他变量分析的基线水平。
相对于模式三，家庭可支配收入的增加使得消费者选择模式四(大于600～800元)及模式五(800元以上)的概率增加，即家庭可支配收入越高，消费者对高价的短租房接受度也越高，他们倾向于选择价格较高的短租房，而不再考虑价格相对较低的。
在不同年龄阶段，消费者对短租房的价格选择也呈现出了一定的规律，随着年龄的增加，消费者倾向于模式一和模式四的选择。出现这种情况可能有以下两种原因：第一，家庭组成人员发生变化。一方面，当子女形成自己家庭后，家庭出行人数减少，对临时住房要求降低，从而倾向于选择价格相对较低的短租房，这一年龄阶段主要集中在50岁及以上；另一方面，年龄的增加也可能带来家庭人口的增加，因此出现了对模式四价格下短租房的选择偏好，这一年龄阶段主要集中在30～40岁之间。第二，家庭储蓄的变化。Chamon、李蕾等认为中国的年龄—储蓄率呈U形关系，低储蓄率的年轻人家庭或老年人家庭倾向于选择与他们的中年父母或子女居住在一起，这一方面提高了青年户主家庭和老年户主家庭的平均储蓄率,另一方面也拉低了中年户主家庭的平均储蓄率[12-13]。
在对线上短租房可视信息——好评率的关注度上，对比于模式三，认为好评率的高低对自己选择起到重要作用的消费者主要集中在模式二和模式四，这可能与当前国内线上短租房市场刚刚兴起有关。由于以“短租房”形式开展的房屋共享在国内刚刚起步，普及率不高，多数人对“闲置房屋共享”这一概念较陌生，线上短租房相关评价少且好评率均较高，模式二～四属于房间价位为大于200～800元，高接受度和高入住率带来的好评率更具参考价值。
表6显示，消费者将用户评价作为重要依据，从而选择模式二～五的相对概率变化是不断上升的，这可能是由于随着支出的增加，消费者对支付对象选择更加谨慎，用户评价作为参与共享环节的非利益相关人，对共享物品的文字描述具体且直观，成为潜在消费群体重要的参考意见。当然，用户评价也具有强烈的个人感情色彩，消费者个人偏好不同，也可能导致对评价信息的接受度不同，这也成为了一部分消费者对用户评价关注度较低的一个原因。
在对于房东个人信息的关注度上，相较于模式三，选择模式一、模式二的消费者更关注房东个人信息，进一步分析这一预测结论，其实可以发现，偏好选择这三种模式的消费群有很大一部分是单独出行或少数人结伴出行，出于自身安全等相关因素的考虑，选择该房价的消费者将房东个人信息作为选择的重要依据之一也就不难理解了。
在出行人数方面，出行人数越多，越倾向于选择模式四和模式五。一般而言，出行人数越多，对住所空间需求就越大，对住宿环境、房屋基础设施要求也较高，这种情况下消费者提高了对房间的承受价格，或者说当出行人数较多时，消费者对于房屋价格不再敏感，在合理范围内他们的选择也更多。
家庭出行费用预算显示，随着家庭在出行方面的支出增加，选择房间的价格也将随之增加。
四、结 论
随着居民消费结构中旅游服务业所占比例不断增加，消费者对于共享短租房的消费习惯也将逐渐形成，中国线上短租房未来发展的潜力和空间巨大，这种共享模式不仅极大地降低了交易成本，还盘活了闲置资源存量，创造了新的社会价值，成为未来新的经济增长点。为了促进国家短租房市场的健康发展，理顺短租房与其他商用住房的价格关系，让价格更好地反映消费者的多元化偏好，根据本文的研究，目前需要从以下三个方面提升短租房市场的质量。
第一，对于短租的提供者来说，明确潜在客户群体，根据不同消费者的选择偏好，有针对性地进行闲置房屋的价格定制十分重要。在对固定消费群体的家庭可支配收入、年龄阶段、出行人数、家庭出行费用预算有了整体的了解评估后，房东还应对好评率、用户评价进行个性化管理，同时完善丰富可视的个人信息，合理制定房屋租价，提高交易率。
第二，对于短租房交易在线平台企业来说，需要建立良好的信任机制。共享经济模式的基础是信任，建立良好的信任机制将有助于双方参与者放心交易，在当前线上交易的网页设置上，交易率、好评率、评价信息、房东简介等相关信息成为相互了解、信任的途径，而评价体系的完善也将极大改善供需双方信息不对称问题，有助于提高交易的成功率和双方的满意度[14]。这就要求线上交易平台严格把关，制定全面有效的信息评估体系和信用评估体系，统一标准，确保参与双方信息的真实性和准确性，同时落实安全政策和隐私保护政策，保障个人信息安全。
第三，对于短租房市场的管理部门来说，通过法律法规明确交易双方及交易平台的责任和义务是当前线上短租房市场管理的重中之重。与酒店、家庭旅馆等正规化、规模化、商业化、标准化的运营模式相比，线上短租房经营模式进入中国市场时间短、交易方式更私人化，因此应明确线上短租房交易双方参与者的法律地位，厘清共享平台以及闲置资源提供者与共享平台间的法律关系，制定统一的标准化审核机制，以弥补短租房市场的交易漏洞，减少参与双方的交易风险。
